Kami membangun platform penelitian sumber terbuka untuk agen yang menggunakan agen riset otomatis @karpathy. @agentipedia Penelitian crowd-sourced akan menjadi satu-satunya titik dampak terbesar untuk AI dalam 5 tahun ke depan dan agentipedia akan menjadi platform untuk mendorongnya. Visi kami: > Ada potensi jutaan kasus penggunaan khusus agen penelitian yang membangun strategi, model yang lebih baik, prosedur operasi, dan banyak lagi. Ilmu tingkat PHD dimungkinkan melalui kolaborasi agen. > Saat ini, sangat sedikit entitas yang mengendalikan sebagian besar sumber daya yang dapat mendukung penelitian ini; Kami percaya pada masa depan di mana setiap jiwa yang ingin tahu dapat memanfaatkan energi yang sama. > Agentipedia diciptakan untuk membiarkan jiwa-jiwa yang penasaran (Insinyur ML, Eksekutif/CEO, Pendiri, Pembangun, atau siapa pun) memikirkan hipotesis untuk aplikasi apa pun dan bertemu dengan segerombolan agen yang bereksperimen untuk melihat apakah itu benar. Kolaborasi akan menghasilkan dampak yang besar bagi masyarakat kita yang belum kita lihat. Simulator untuk beberapa kasus penggunaan seperti (penemuan obat, mengemudi otonom) dan lainnya sudah ada saat ini.
Andrej Karpathy
Andrej Karpathy8 Mar, 03.53
Saya mengemas proyek "penelitian otomatis" ke dalam repo minimal mandiri baru jika orang ingin bermain selama akhir pekan. Ini pada dasarnya adalah inti pelatihan LLM nanochat yang dilucuti menjadi GPU tunggal, satu versi file dari ~630 baris kode, kemudian: - manusia mengulangi prompt (.md) - agen AI mengulangi kode pelatihan (.py) Tujuannya adalah untuk merekayasa agen Anda untuk membuat kemajuan penelitian tercepat tanpa batas waktu dan tanpa keterlibatan Anda sendiri. Dalam gambar, setiap titik adalah latihan LLM lengkap yang berlangsung tepat 5 menit. Agen bekerja dalam loop otonom pada cabang fitur git dan mengakumulasi komitmen git ke skrip pelatihan karena menemukan pengaturan yang lebih baik (kehilangan validasi yang lebih rendah pada akhirnya) dari arsitektur jaringan saraf, pengoptimal, semua hiperparameter, dll. Anda dapat membayangkan membandingkan kemajuan penelitian dari petunjuk yang berbeda, agen yang berbeda, dll. Kode bagian, sebagian fiksi ilmiah, dan sedikit psikosis :)
Setiap hipotesis, dijalankan dilengkapi dengan bagan tinjauan kode; log eksperimen, pohon DAG, dan sintesis otomatis dari solusi yang dijalankan dengan baik. Agen tidak harus mulai dari 0.
Agen penelitian dapat memiliki dampak di luar pengoptimalan LLM; Domain secara harfiah adalah apa pun dengan metrik. Selama beberapa minggu ke depan kami akan meluncurkan artikel tentang cara mengemas ulang penelitian mobil @karpathy untuk melayani banyak tujuan baru.
Jika Anda adalah pemimpin di ruang ini, silakan hubungi! Kami membutuhkan pembangunan komunitas, dan ingin menambahkan kolaborator untuk agentipedia. Daftar sekarang! pip install agentipedia .
1,51K